一块耕地被悄悄侵占，一片湿地正在悄然萎缩，一座山头的植被覆盖发生了变化——在过去，发现这些问题往往需要调查员背着图纸跋山涉水、逐地核查，费时费力、精度有限。而今天，卫星影像与人工智能的结合，正在让“认地”这件事发生根本性转变。本文将从早期的人工判读讲起，介绍遥感技术如何一步步减轻调查员的负担，人工智能（AI）又如何实现对地物的自动识别与动态监测，以及在这场技术变革中，人与机器如何协同，共同守护我们脚下这片土地。

一、以前的调查：人扛着图纸走天下

早些年，调查员下乡前要把一叠图纸塞进背包，有时候一走就是好几天。到了地方，对着图纸逐块核实眼前的地物，田埂、小路、菜地、旱地，全靠自己的眼睛判断，记在纸上，回来再整理。说起来朴素，但覆盖一个县下来，磨坏几双鞋是常事。

自然资源调查，通俗来说，就是搞清楚一片土地上有什么：哪里是耕地，哪里是林地，哪里是建设用地，哪里是湿地，河流湖泊的边界在哪儿，面积有多大。这些信息是国家制定土地政策、保护生态环境、规划城市发展的基础，一点都马虎不得。

过去，完成这项工作靠的是“人海战术”。调查员们要先拿到航空摄影拍摄的黑白像片，在室内把能辨认出来的地物边界用铅笔勾出来，这个过程叫“内业判读”。随后带着这张勾好的草图，翻山越岭到实地去核实——草图上的那条线到底是田埂还是小路？图上这块白色的区域是旱地还是菜地？这个环节叫“外业调查”，全靠调查员的眼力、经验和两条腿。

一次全国性的土地调查，往往需要数十万人参与、历经数年才能完成。调查结果还会因为人员水平参差不齐而存在误差。辛苦归辛苦，精度却难以保障。

二、遥感技术：给大地拍一张高清照片

这种局面，随着遥感技术的成熟逐步改变了。

遥感，字面意思就是“遥远的感知”——不用亲身到达某个地方，通过卫星或飞机上搭载的传感器，就能获取地表的图像和数据。随着卫星分辨率不断提升，一颗运行在数百公里高空的卫星，已经能拍出地面上0.5米甚至更小细节的清晰影像。一栋房子、一块农田、一棵大树，都能在卫星影像上清晰呈现。

有了高分辨率遥感影像，调查员终于不用事事亲历现场了。大量的信息可以通过“看图”来获取，外业调查的工作量大幅压缩。遥感数据的质量和更新频率也在持续提升，为内业判读提供了越来越扎实的底图支撑。

不过，这时候的“看图”仍然是人工完成的。调查员坐在电脑屏幕前，对着卫星影像，一块一块地勾画地物边界，逐一判断土地类型。面对动辄数千平方公里的调查区域，这项工作依然繁重而耗时。

三、AI登场：让机器来“认地”

变化的转折点，出现在深度学习技术成熟之后。

计算机视觉和深度学习技术的突破，让机器具备了“看图识物”的能力。研究人员把大量经过人工标注的遥感影像“喂”给AI模型，告诉它哪块区域是耕地、哪块是林地、哪块是水体、哪块是建筑，反复训练之后，AI就学会了从影像中自动识别各类地物——这个过程在技术上叫做“遥感影像语义分割”。

想象一下这样一个场景：一幅覆盖某县全域的卫星影像被输入系统，短短几分钟内，AI就能自动将影像中的每一个像素归类——这里是水田，那里是城镇居民地，这边是河流，那边是草地，并在屏幕上用不同颜色标注出来，生成一张精确的地物分类图。过去调查员需要几个月才能完成的工作，AI可能几小时就给出了初稿。

目前，基于深度学习的遥感解译技术在耕地识别、建筑物提取、道路提取、水体监测等方面已经达到了较高的精度。在条件理想的区域，AI自动提取的准确率可以超过90%，大大减少了人工作业的工作量。

四、不只是“认”，还要“懂”：时空智能的新境界

能认出地物，只是第一步。自然资源管理更关心的，是地物有没有发生变化。

自然资源并非静止不变。耕地被占了没有？林地有没有被砍？湿地边界缩没缩？这些问题每年都要回答，靠人盯着地图核查，速度跟不上变化的节奏。

现代AI系统可以对同一地区不同时期的遥感影像进行比对分析，自动识别出发生变化的区域，并判断变化的类型。比如，今年的影像显示某块林地出现了明显的裸土斑块，系统会立刻标记出来，推送给管理人员核查，极大缩短了从“卫星发现问题”到“人员出动处理”的时间。这种技术叫做“变化检测”，已经在全国多地的自然资源动态监测中得到广泛应用。

再往后走一步，把气象、土壤、历史影像这些数据放在一起让AI来分析，还能做一些预判：某片区域沙化的趋势在加剧，某条流域的洪涝风险在升高。自然资源保护由此多了一个提前介入的可能，不必总是等问题出了再去处置。

五、人机协同：AI不是万能的

但AI也不是万能的。在实际项目里，这一点感受很深。

现实中的地表情况远比训练数据复杂。在南方丘陵地区，茂密的植被遮盖了下方的地物，卫星影像看到的只有绿色的“树冠海洋”，AI很难分辨下面是农田、荒地还是林地。在城市密集区，建筑阴影、道路反光、施工扬尘等干扰因素让影像质量大打折扣。在云雾多发的地区，光学卫星影像本身就存在大量云遮，AI无从下手。

遇到这些情况，经验丰富的调查员仍然不可或缺。他们要对AI产生的“底稿”进行审核和修改，结合实地踏查纠正错误，处理那些AI难以判断的边界模糊地块。

眼下比较通行的做法是：AI先跑出一版初稿，调查员再拿着这份底稿去核查、修改、补充。AI负责把大面积的重复性工作做掉，人来处理那些边界模糊、情况复杂的地块。两者分工下来，效率和质量都比纯人工或纯AI要好得多。

六、从天上到地面：多维感知的立体调查

卫星看得广，但看不够细。这时候无人机就派上用场了。

无人机能以更低的高度、更灵活的角度，对重点区域进行精细化观测，获取比卫星影像分辨率更高的数据。激光雷达（LiDAR）可以穿透植被，直接测量地面高程，解决光学影像无法准确获取植被覆盖区地形信息的难题。地面传感器则能实时监测土壤湿度、地表温度等环境参数，为遥感数据的解译提供参考依据。

把这些来自不同高度、不同传感器的数据放在一起处理，能弥补单一数据源的短板，得到更完整的地表信息。调查的精度和可靠性，也因此上了一个台阶。

七、还在变化的事

这些年，自然资源调查这个领域变化之快，有时候自己做着做着都会觉得陌生。十年前还在争论卫星影像够不够清楚，现在已经在讨论AI模型的泛化能力够不够强。

大模型进入遥感领域之后，AI对影像的理解能力确实在快速提升，一些以前需要有经验的人才能判断的地物类型，现在模型已经能处理得不错。卫星的重访周期也在缩短，某些区域已经可以做到一天更新一次影像，动态监测的时效性大幅提高。

对于大多数人来说，这些技术变化几乎是无感的。但它带来的结果，是那片土地上的变化越来越难被遮盖，侵占耕地、破坏林地的行为被发现的速度越来越快。

调查这件事本身没变，变的是手里的工具越来越好用，看得越来越准，漏掉的越来越少。

作者：张永 自然资源部第一航测遥感院

创作简介：作者长期从事自然资源调查监测与遥感影像智能解译工作，在耕地保护、国土调查等自然资源监测领域积累了丰富的实践经验，参与过多个自然资源调查科研和生产项目，对AI遥感解译技术在实际生产中的应用有深入理解。